Generative artificial intelligence personalization shapes sport fan identity through algorithmic understanding and shared experience

Résumé Technique : Personnalisation par l'Intelligence Artificielle Générative et Identité des Supporters Sportifs

Énoncé du Problème
Alors que l'intelligence artificielle générative (IA générative) sert de plus en plus d'intermédiaire dans la manière dont les plateformes numériques s'adressent aux individus, la compréhension de l'impact de la personnalisation générée sur les identités sociales reposant sur une expérience collective reste limitée. Le fandom sportif constitue un cas critique pour cette recherche car il nécessite un équilibre entre un contenu personnellement significatif et des récits, des émotions et des points de référence partagés. Contrairement à la consommation basée sur les préférences (ex. : commerce de détail ou musique), où la pertinence est la métrique primaire, le fandom sportif implique une connexion psychologique soutenue par l'appartenance à un groupe et des rituels collectifs. Le problème central abordé est de savoir si la personnalisation générée par l'IA peut simultanément reconnaître le supporter individuel et préserver la base sociale partagée du fandom, ou si elle risque de fragmenter la communauté par une « sur-individualisation ».

Méthodologie
L'étude emploie une approche multi-méthodes comprenant quatre composantes empiriques liées pour tester un modèle conceptuel à double voie :

1. Étude 1 (Exploration Qualitative) : Une analyse de contenu de 28 entretiens textuels avec des supporters sportifs numériques. Cette phase a permis de clarifier les frontières des construits, d'identifier les thèmes de la pertinence identitaire et de la connectivité sociale, et d'orienter la conception des stimuli.
2. Étude 2a (Prétest de Stimulus) : Un plan factoriel 2-par-2 ($N=118$) testant la validité de textes de stimuli qui manipulaient la personnalisation pertinente pour l'identité (présente/absente) et la personnalisation socialement connective (présente/absente).
3. Étude 2b (Expérience Randomisée) : Une expérience en ligne randomisée 2-par-2 plus large ($N=609$) examinant les effets causaux immédiats des caractéristiques de contenu sur la compréhension algorithmique perçue, l'expérience de fandom partagée perçue et les résultats identitaires.
4. Étude 3 (Enquête Longitudinale) : Une enquête de panel en trois vagues auprès de supporters sportifs ($T3\ N=461$) mesurant l'utilisation naturelle de l'IA générative au Temps 1, les perceptions de processus au Temps 2, et les résultats d'identité/d'engagement au Temps 3. Ce design a permis d'examiner les associations temporellement ordonnées.

Les construits théoriques incluaient la personnalisation pertinente pour l'identité (reflétant l'histoire, les valeurs et les relations émotionnelles), la personnalisation socialement connective (reliant les individus à des récits et réactions collectifs), la compréhension algorithmique perçue (la croyance que le système reconnaît l'identité du supporter) et l'expérience de fandom partagée perçue (le sentiment de connexion à la communauté plus large).

Résultats Clés
Les preuves empiriques soutiennent un compte rendu à double voie de la personnalisation par l'IA générative :

• Mécanisme à Double Voie :
  • Voie de la Pertinence Identitaire : La personnalisation pertinente pour l'identité a significativement augmenté la compréhension algorithmique perçue ($b=0,663, p<.001$ dans l'expérience ; $b=0,369, p<.001$ dans l'enquête). Cette voie confirme la relation spécifique de l'individu avec l'objet sportif.
  • Voie de la Connectivité Sociale : La personnalisation socialement connective a significativement augmenté l'expérience de fandom partagée perçue ($b=0,637, p<.001$ dans l'expérience ; $b=0,285, p<.001$ dans l'enquête). Cette voie renforce la connexion du fan à la collectivité.
• Résultats Identitaires : Les deux caractéristiques de personnalisation ont augmenté les résultats identitaires immédiats (réponse identitaire et identification momentanée au fandom) dans l'expérience. Dans l'enquête longitudinale, la compréhension algorithmique perçue et l'expérience de fandom partagée perçue étaient toutes deux positivement associées à la réponse identitaire ultérieure.
• Continuité de l'Engagement : L'expérience de fandom partagée perçue était positivement associée à la continuité de l'engagement ultérieur ($b=0,307, p<.001$).
• Le Risque de Sur-Individualisation :
  • La personnalisation pertinente pour l'identité était associée à une perception plus élevée de la sur-individualisation dans l'expérience.
  • Crucialement, dans l'enquête longitudinale, l'utilisation de l'IA générative sur-individualisée était négativement associée à l'expérience de fandom partagée perçue ($b=-0,187, p<.001$). Cela suggère que bien que la personnalisation puisse reconnaître l'individu, un rétrécissement excessif de l'expérience isole le fan des récits partagés.
• Effets d'Interaction : L'étude n'a trouvé aucun effet d'interaction statistiquement fiable entre la personnalisation pertinente pour l'identité et la personnalisation socialement connective, suggérant que leurs effets sur les perceptions de processus sont largement additifs plutôt que synergiques ou substitutifs.

Contributions Clés
Le papier apporte trois contributions théoriques primaires :

1. L'IA Générative comme Interface d'Identité Sociale : Il conceptualise la personnalisation par l'IA générative non pas simplement comme une technologie de ciblage, mais comme une interface d'identité sociale où les organisations et les plateformes négocient la reconnaissance et l'appartenance.
2. Compréhension Algorithmique Perçue : Il identifie la « compréhension algorithmique perçue » comme une forme distincte de reconnaissance médiée par l'IA dans des contextes culturellement significatifs, se différenciant de la confiance ou de la précision génériques. Il postule que les fans évaluent si le système comprend leur identité, et non seulement leurs clics.
3. La Nécessité de l'Expérience Partagée : Il remet en question l'hypothèse selon laquelle la personnalisation s'améliore uniquement par l'adéquation individuelle. Les résultats démontrent que dans les contextes d'identité sociale, la valeur de la personnalisation dépend de l'équilibre entre la pertinence individuelle et la visibilité collective.

Signification et Revendications
Les auteurs affirment que la personnalisation par l'IA ne cible pas seulement les préférences ; elle réorganise les conditions par lesquelles les gens se sentent reconnus en tant qu'individus et connectés à un monde culturel partagé. L'étude soutient que pour que l'IA générative soit efficace dans les communautés basées sur l'identité comme le fandom sportif, elle doit éviter le « paradoxe de la personnalisation » où l'hyper-personnalisation mène à l'isolement social.

Le papier conclut que le défi central de conception est de reconnaître les personnes sans privatiser les communautés qui rendent la reconnaissance significative. Les systèmes d'IA générative sont les plus précieux lorsqu'ils aident les individus à se sentir personnellement vus tout en maintenant leur connexion aux mondes partagés qui donnent à l'identité sa force sociale. Les auteurs notent que ces résultats sont spécifiques au contexte du fandom sportif numérique chinois et appellent à des recherches futures pour examiner les variations transculturelles et les résultats à plus long terme tels que la rétention et la participation communautaire.